Você precisa testar mais modelos estatísticos

Prof. Anderson Rodrigo da Silva/IF Goiano

II Jornada Científica PPGZT/UFPI, 10-12 Set. 2025

O que é?

?

?

Dados

Resultado esperado: modelo

Por que modelar?

  • Testar hipóteses
  • Fazer predições ⚠
  • Compreender o fenômeno subjacente ⚠ ⚠

Tipos de modelos

O que pode acontecer

“Pau para toda obra”?

30% a 70% das publicações científicas utilizam LM/ANOVA clássica - distribuição normal.

Expectativa versus realidade

Extensão de modelos

GLM e GAM

Generalized Linear/Additive Models (modelar MÉDIAS!)

Distribuições GLM e GAM

Distribuição Quando usar
Gaussiana Dados contínuos com distribuição normal
Poisson Contagem de eventos (ex: número de partos)
Binomial Proporções ou dados binários (ex: presença/ausência)
Gama Dados contínuos positivos e assimétricos
Quasi Para lidar com superdispersão em binomial ou Poisson
Negativa binomial Alternativa ao Poisson quando há superdispersão

GAM

GAMLSS

Alguns exemplos de modelos de distribuição

Pressuposições

Exemplo: carrapatos em bovinos

Box-plot

Descritiva

Grupo Média E.P.
Treated 5.1 0.8
Untreated 6.6 0.7

Modelos

Modelo Média (T/NT) E.P. (T/NT) AIC %Zero (T/NT)
Normal clássico 5.1 / 6.6 (p = 0.151) 0.75 / 0.75 628 N.A.
Poisson 5.3 / 6.6 (p = 0.007) 0.33 / 0.36 893 N.A.
ZIP 10.5 / 9.5 (p = 0.221) 0.7 / 0.52 450 52 / 30 (p = 0.026)

Obs. com ZIP podemos ainda testar \(H_0: \%zero_{T} = \%zero_{NT}\)

Worm-plot

Estatisticamente falando, estamos analisando ou apenas processando os dados?

Livros

Obrigado

Ilustrações: MS Copilot & AR Silva